Python绘制多分组云雨图(附数据和代码)

2026-09-24 15:35:46

🙏请尊重劳动成果，守护每一份劳动心血；⚖️未经授权，不得以为任何方式转载、摘编或抄袭。🔄转载合作请后台联系授权，侵权必究。

本期和友友们分享Python绘制多分组云雨图，代码已经全部放在正文里了，需要示例数据的可以后台根据文章末尾的提示关键词获取哦。

当你面对多组数据对比，既担心只看平均值会被极端个案带偏，又觉得光看箱线图太枯燥、漏掉了分布细节时，这图就是救星。它巧妙地把数据拆解成左右两部分：左边的“雨滴”是原始散点，让你看清每一个真实样本的落点，谁是那个离群的“显眼包”根本藏不住；右边的“云朵”则是核密度曲线，一眼就能看出数据是像山峰一样集中，还是像波浪一样两极分化。中间再加个箱线图或小提琴图收腰，直接把中位数和四分位间距定死，信息量瞬间拉满。

这种图最适合放在那些需要“深挖差异”的场景里，比如对比不同产品的用户评分，或者看不同实验组的效果反馈。它不仅能告诉你哪组的表现更好，还能告诉你这组的表现为什么稳、那组的波动为什么大。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84import numpy as npimport pandas as pdimport plotly.graph_objects as go# ======================# 用户配置# ======================read_custom_data = True   # True=读取本地 data.csv；False=生成示例随机数据# 配色（线色与填充色一一对应）colors = ["#4f7942", "#c65f0a", "#a03530", "#5e4c8c", "#20648a"]fill_colors = ["#b0d1a6", "#f5c5a0", "#e7a39a", "#b1a5c9", "#a0d8ef"]# ======================# 读取 / 生成数据# ======================data_df = pd.read_csv("data.csv")# 防御：颜色数要与列数匹配if len(colors) < data_df.shape[1] or len(fill_colors) < data_df.shape[1]:    raise ValueError("颜色数量与数据列数量不匹配，请补齐 colors / fill_colors。")# ======================# 创建图表# ======================fig = go.Figure()x_data = list(data_df.columns)y_data = [data_df[col].values for col in data_df.columns]for xd, yd, cls, fcls in zip(x_data, y_data, colors, fill_colors):    # 半小提琴图（上半部，柔和一些）    fig.add_trace(        go.Violin(            y=yd,            name=xd,            points=False,            width=0.9,            fillcolor=cls,            line_color=cls,            opacity=0.2,            side="positive"        )    )    # 箱线图（叠加在同一类别上）    fig.add_trace(        go.Box(            y=yd,            name=xd,            boxpoints="all",            width=0.2,            whiskerwidth=0.4,            jitter=1,            pointpos=-2.0,            line=dict(color=cls, width=4),            fillcolor=fcls,            showlegend=False,            opacity=0.7,            marker_color=fcls,            marker_size=8,            marker_line_color=cls,            marker_line_width=2,            boxmean="sd",            notched=True        )    )# ======================# 布局# ======================fig.update_layout(    yaxis=dict(title="Y值"),    width=1200,    height=750,    showlegend=False,    template="plotly_white")fig.write_html("云雨图.html")fig.show()